ПочатиПочніть безкоштовно

Стартова точка transfer learning

У цій вправі ви побачите переваги використання попередньо навчених векторів як відправної точки для вашої моделі.

Ви порівняєте точність двох моделей, натренованих протягом двох епох. Архітектура моделей однакова: один шар embeddings, один шар LSTM зі 128 одиницями та вихідний шар з 5 одиницями — це кількість класів у вибірці даних. Різниця в тому, що одна модель використовує попередньо навчені вектори в шарі embeddings (transfer learning), а інша — ні.

Використані попередньо навчені вектори — це GloVE з розмірністю 200. Історії точності на валідаційній вибірці для обох моделей доступні у змінних history_no_emb і history_emb.

Ця вправа є частиною курсу

Recurrent Neural Networks (RNNs) для моделювання мови з Keras

Переглянути курс

Інструкції до вправи

  • Імпортуйте модуль matplotlib.pyplot як plt.
  • Додайте до графіка список значень точності з моделі без embeddings.
  • Додайте до графіка список значень точності з моделі з embeddings.
  • Відобразіть графік за допомогою методу .show().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import plotting package
import matplotlib.____ as ____

# Insert lists of accuracy obtained on the validation set
plt.plot(____['acc'], marker='o')
plt.plot(history_emb[____], marker='o')

# Add extra descriptions to plot
plt.title('Learning with and without pre-trained embedding vectors')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['no_embeddings', 'with_embeddings'], loc='upper left')

# Display the plot
plt.____
Редагувати та запускати код